Kardiyovasküler hastalıklar, her yıl tahminen 17.9 milyon can kaybına neden olmaktadır. Toplam ölüm miktarının büyük bir çoğunluğunu oluşturan kalp hastalıkları için erken tanı ve tedaviler önemli bir yer kapsamaktadır. Uzun zamandır tıp alanında gerçekleştirilen çalışmalar, son çeyrek yüzyılda bilgisayar bilimlerinin hızlı yükselişi sayesinde makine öğrenmesi ve yapay zekâ gibi yeni tekniklerle desteklenerek daha başarılı hale getirilmiştir. Bu çalışmada kalp rahatsızlığını tespit etmek için örnek veri seti üzerinde makine öğrenmesi teknikleri uygulanmış ve sonuçlar karşılaştırılmıştır. İlk olarak veri seti analiz edilmiştir. Hangi verilerin kalp rahatsızlığına dair işaretlerde bulunabileceği belirtilmiştir. Ardından üç farklı makine öğrenmesi yöntemleri kullanılarak örnek bir model oluşturulmuş ve kalp rahatsızlığı olan bireyler tespit edilmiştir. Elde edilen sonuçlar karşılaştırıldığında, Random Forest algoritması ile %88’lik bir doğruluk oranı ile daha başarılı olduğu gözlemlenmiştir. Bunu sırasıyla %85’lik bir doğrulukla ile Lojistik Regresyon ve %70’lik bir doğruluk ile kNN algoritması takip etmiştir. Bulgular, kalp rahatsızlığının temel birkaç veri ile kolayca tespit edilebileceğini göstermektedir.
Cardiovascular diseases cause an estimated 17.9 million deaths each year. Early diagnosis and treatment for heart diseases, which make up the vast majority of the total deaths, occupy an important place. Long-standing studies in medicine have made it more successful in the last quarter of the century, thanks to the rapid rise of computer science, by supporting new techniques such as machine learning and artificial intelligence. In this study, machine learning techniques were applied on the sample data set to detect heart disorders and the results were compared. First, the data set was analyzed. It is indicated which data may be found in signs of heart disease. Then a sample model was created using three different machine learning methods and individuals with heart disorders were identified. Compared to the results obtained, Random Forest algorithm observed that it was more successful with a 88% accuracy rate. This was followed by the logistics Regression with a 85% accuracy and the kNN algorithm with a 70% accuracy respectively. The findings show that heart disorders can be easily detected with a few basic data.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|